自动化损伤和特征提取管道用于大脑MRI,具有可解释性
Reza Eghbali1,2, Pierre Nedelec3, David Weiss4
1Department of Radiology and Biomedical Imaging, University of California, San Francisco, San Francisco, CA, USA. eghbali@berkeley.edu.
Neuroinformatics
|January 9, 2025
概括
这项研究介绍了自动损伤和特征提取 (ALFE) 管道,这是用于脑MRI分析的开源工具. ALFE生成详细的病变细分和特征,用于定量分析和机器学习应用.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 神经科学是一个神经科学.
背景情况:
- 对脑MRI的定量分析对于诊断和监测神经疾病至关重要.
- 现有的病变细分和特征提取工具可能很复杂,缺乏灵活性.
- 需要与临床工作流程集成的自动化,可定制的管道.
研究的目的:
- 引入自动化损伤和特征提取 (ALFE) 管道,这是用于脑MRI分析的开源工具.
- 为了证明ALFE能够执行自动化解剖学和病变细分的能力.
- 突出ALFE在提取人类可解读的成像特征方面的能力,用于临床和机器学习应用.
主要方法:
- 开发一个名为ALFE的基于Python的开源管道.
- 实现一个脱设计,允许定制图像处理,注册和AI细分模块.
- 在建立的神经放射学工作流程之后,模拟管道.
主要成果:
- ALFE成功地从脑MRI图像中生成精确的解剖学和病变细分.
- 该管道提取量化,人类可解读的成像特征,描述大脑病变.
- 案例研究表明,管道在现实世界的场景中具有实用性.
结论:
- ALFE管道为脑MRI分析提供了灵活和自动化的解决方案.
- 通过提供标准化的损伤特征,ALFE促进了定量分析和机器学习应用.
- 这种开源工具有可能推进神经放射学的临床研究和实践.
